AI 演算法崗工資一覽

年初，我從招聘**上了解到，各網際網路大廠，演算法崗競爭相當激烈，供大於求。藉著金三銀四，跟大家科普幾個 ai 崗位，看著適合自己的趕緊去投簡歷啊！！

1.人工智慧、機器學習領域究竟多火？

從各大公司紛紛建立自己的人工智慧研究院，以及高薪吸納人才的手段便可了解人工智慧、機器學習有多火。

阿里星計畫

年薪平均估計 60w+，本科生-博士生都有機會，cto 直接面試，每年招 10 人，半年 base 美國的機會。

idl 部門（機器學習、深度學習），年薪 100w+，每年 9 人，30 歲以下，工作地北京、深圳，一年後矽谷或常青藤名校訪問至少半年，三年後帶領 20-30 人團隊。

要求，全球 top100 cs 相關碩士博士畢業，人工智慧相關，薪資上不封頂，深圳市還有「孔雀計畫」160w 的獎勵。

近兩年人工智慧火起來了之後，不管什麼技術的程式設計師都一股腦的想去做人工智慧，什麼計算機視覺，自然語言處理，想必大家經歷過 2018 這一年，也大概了解 ai 領域的前景及現狀環境，可以確定的是，薪資是真的高！

2.ai各崗位高薪上不封頂

網上流傳出的 ai 大廠薪酬表：

在產品和服務中應用機器學習模型，已經逐步成為了網際網路行業的通行方法。甚至很多傳統軟體企業，也開始嘗試應用機器學習。說得更直接一點，人工智慧正處在炙手可熱的風口浪尖上，看來，程式設計師不會機器學習都不好意思去找工作了。

3.有哪些ai崗位

無數人湧入 ai 崗位，認準了待遇高、前途好。但在談待遇前，得先清楚人工智慧崗位都有啥。

ai research 組

ai 應用組（研究，系統）

業務組（演算法工程師）

ai research 做的都是最前沿的技術，能夠短時間內落地到產品的還是 ai 應用組，包含的大方向有自然語言處理、計算機視覺、機器學習平台等。

很多技術開發者迫切希望快速進入人工智慧領域，從事工程或者演算法等相關工作，但是，遇到「人工智慧產品」時，你是否能夠根據自己的知識，推導出 how it works ——

它背後有沒有用到機器學習模型？

如果有的話是有監督模型還是無監督模型？

是分類模型還是回歸模型？

選取的特徵是哪些？

如果由你來解決這個問題，有沒有更好的方法？

借鑑機器學習認識客觀規律的過程，可以知道，模型是由資料和演算法決定的。對應到人腦，資料是我們經歷過的事物，而演算法則是我們的思辨能力。我們完全可以主動訓練自己的思維模型，通過改進演算法和增大資料量及資料多樣性來提公升模型質量。

雖然技術本身和應用結果產生了巨大的飛躍，但在原理層面，卻是有著緊密的傳承。了解一件事是如何執行的；明晰事物發展的客觀規律；知道從最簡單的原理開始逐層推進，比糾結在複雜的狀態卻不得要領要高效得多。有了這樣的認識，也就不會無端的焦慮。

了解一點 ai 的技術基本原理後，至少不會盲從：

看了一篇《當這位70歲的 hinton 老人還在努力推翻自己積累了30年的學術成果……》，便宣布再也不學 cnn、dnn、rnn 了（好像真的學過一樣）。因為《深度學習已死，可微分程式設計萬歲！》刷屏，就以為目前在視覺、語音、nlp 這些領域已經在創造價值的 dl 工具瞬間消失無用了。

以上只是想說明，機器學習是為我們開啟了一扇窗，讓我們從新的角度來看待世界，並為日常決定的思考過程提供更加可量化方法。

4.提公升自我是關鍵

與其眼紅這樣的高薪崗位，不如靜下來思考自己適不適合做機器學習，這並不是乙個所有人都能從事的職業，有門檻且競爭激烈。在一頭紮進 ai 之前，至少是一名優秀的軟體工程師。

如果你已經掌握了機器學習，那麼利用機器學習的技術來創新傳統業務也一樣有價值，機器學習可以應用在網際網路公司的很多方面，例如安全、運維、測試，或者金融公司裡面的投資、量化、**交易等。

就當前的市場環境來看，機器學習的應用不僅在計算機視覺、自然語言處理、語音、推薦系統等方向，未來還會形成 machine learning +、ai+，機器學習加上自身領域技術才是未來人工智慧從業者的核心競爭力。

掌握了就趕緊去應用搞事情，但是，如果你還沒掌握什麼是機器學習，現在開始學習也不晚！

當真正開始學習的時候難免不知道從哪入手，導致效率低下影響繼續學習的信心。

但最重要的是不知道哪些技術需要重點掌握，學習時頻繁踩坑，最終浪費大量時間，所以擁有有效資源還是很有必要的。